在人类历史的车轮中，始终充斥着以「科技」为名的碾压和推动力。

远至1万年前的新石器时代，为适应农业及其他手工业需求的远古人对石质工具进行打磨加工；近及18世纪60代开始席卷全球的工业革命，新能源动力机器的发明推动生产力飞跃式发展和生产关系大变革，这一点早已被一次又一次地论证过。

几年前，AlphaGo团灭人类围棋手，将人工智能推向台前。所有人都在问一个问题，AI究竟是什么。

在我看来言，AI不仅是新一轮生产资料大发现的过程，更是新一轮生产力释放和补充。因为在AI时代，数据成为新时代的石油工业，规模甚至会更大，更特殊，更具有战略性。

而对于一家企业来说，未来如何创造收入，随之而来机会又要多大，这一切都要从更大的画面上去考虑，而不是从过去的财务结果上去找预期。

有句话说得好，一个公司的命运，既要看自身的努力，更要看历史的进程。

从这个角度上来说，依托于数字内容管理业务的开普云，无疑卡住了一个不错的位置，也让它有了更大的想象空间。

01 AI时代的“敲门砖”

数字内容管理业务，是开普云在AI时代的“敲门砖”。

什么是数字内容管理业务？简单来说，是依托于互联网内容服务云平台及统一信息资源库等相关产品，帮助政府完成互联网数据中台建设。

以开普云$开普云(SH688228)$的一体化政务业务为例，过去政府有很多数据，包括不同政府部门的数据，也包括文本、图片、音频、视频等多种结构的数据。

随着政务信息化改革的深入，政府需要一个更强大的数据平台，帮助他们打通各部门的业务系统，实现不同部门数据的统一采集，不同结构数据的统一存储，最终实现后端不同场景下数据的统一调度。

开普云的数字内容管理业务的应用场景主要有三个：智慧门户、一体化政务以及融媒体。从目前来看，公司在三个场景中均有不俗的表现。

在智慧门户领域，开普云的客户覆盖了全国20%左右的省级政府，国务院组成部门和直属机构。在政府服务平台方面，公司也承担了多个政务服务平台的项目建设。

回过头看，内容管理业务对开普云的AI业务影响巨大。

一方面，AI技术的落地应用往往会优先爆发在数据化程度较高的领域，比如医疗的数据比较少一些，AI渗透的难度会大一些。

原因在于，现在普遍的监督算法必须依赖标记数据。无监督算法对数据标记的要求会小一些，但是技术还不是很成熟，主要是做聚类和分析。

当开普云在不同场景下完成数据平台建设，客户对AI的需求也逐渐爆发。

另一方面，通过数据平台产品，开普云能切入不同的场景，而场景则是海量数据的入口。

当这些数据通过AI技术成为结构化、可利用、可输出的生产要素，便为开普云积累了一笔最大的财富。这也让它们有了更大的想象空间。

02 开普云开辟AI新战场

纵观过去，每一次技术革命，都带来全新的商业机会。互联网本质上解决了效率和链接的问题，进而出现外卖、社交、打车等新业态。

而人工智能的价值主要在于两点，生产工具的延伸和人工劳动力的替代。前者的例子是淘宝天猫的智能推荐，提高人们获取商品的效率，而后者的典型则是海底捞的机器人。

对于人工智能企业来说，核心并不在技术，而在于场景的选择。以开普云为例，由于积累的数据大多为政府稿件和图片，因此他们选择政府内容安全的场景切入。

从过去来看，人工智能的应用要经历从感知、认知到决策的三阶段。感知智能只能实现对语音、图像和人脸的识别，而认知智能可以更好地理解语言的含义，实现和人类的交互，以及各种洞察和决策分析。

开普云也正在经历这个过程。

早期，开普云的大数据服务主要以政府网站的内容安全为主。其中很重要的一个工作是，敏感词的识别。

在当下信息爆炸时代，每天都在诞生新词、新的敏感用语。基于对语义的正确理解，快速找到新词和敏感用语，减少新词、敏感用语漏报，是内容安全监测的重要工作。

在提高内容安全监测的效率上，开普云做了两件事。

技术方面，开普云通过平衡语料库自动构建技术，极大地降低了人工标注的成本，可以在较短的时间内覆盖较大规模的文本素材。目前，基于无监督方式为主训练的NGram计算，已基本接近人工标注的精度，依存关系计算结果的可信度达到80%以上。

在深度学习的模型下，数据规模很大程度上会影响机器学习算法的精度。目前，公司平衡语料库覆盖了各行各业出版图书、电子报纸、主流媒体新闻资讯，达千亿字规模的文本素材，数据量远远超过国内其他中文语料库。

大数据服务具有规模效应。即客户越多，你收到数据反馈越多，大数据产品精准度就越高，继而被更多客户选择，最终形成马太效应。

在政务大数据监测领域，这一趋势已经极为明显。截至目前，开普云大数据服务的客户覆盖了65%的省政府以及40%的地级政府，在细分领域占据绝对优势。

作为大数据监测领域头部平台，随着客户需求的复杂化，开普云的大数据服务也有计划从感知领域向更深度的认知领域延伸，即从敏感词识别过渡至舆情监测。

众所周知，在识别领域，文本的识别处理难度最高。原因是文字、语言涉及语义理解，主观色彩更重，因此更为复杂。

开普云的做法是，通过人工智能深度学习的方式，强化文字识别的准确性。

技术能力的提升，进一步拓展了开普云的应用场景。比如，当用户搜索内容时，开普云通过人工智能技术，极大加强搜索结果的准确性。

此外，大数据服务可以从网站内容的监控扩大至全网的舆情监控，比如当一个政策发布后，网上的正面评论有多少，负面评论有多少，评论中出现最多的关键词又有哪些。

基于这些反馈数据，可以为政府的决策提供参考，从而帮助其建立健全的舆情收集和回应机制。

这也代表了人工智能的一个重要发展趋势，即随着数据量的增长和业务场景复杂度的提升，AI应用势必要从智能识别走向更高阶的智能辅助决策。

03 AI再进化，大数据服务从智能识别到智能决策

这种趋势的锋芒正在开普云身上闪现。

国家知识产权局项目正是其从智能识别到智能决策的重要体现。

要知道，国家知识产权局是文献内容很多的政府部门。原因是按规定在专利申请过程中，申请人需要提交一系列的申请文件，如请求书、说明书、摘要和权利要求书等，再由专利审查员去看申请的内容是否满足要求。

但随着专利申报数量的增加，国家知识产权局每年能收到几百万篇申请，如何更高效地完成筛选工作变成一个棘手的问题。开普云大数据服务的价值就凸显出来了。

而开普云提供的解决方案是，搜集历史上所有专利申报成功的稿件，通过人工智能识别网络的算法把关键特征进行提取，再将新的文献与关键特征进行匹配，最终得出一份创新性比例的参考数据。凭借这个算法，使得客户的审查效率大大提高。

事实上，这种类似于智能决策的业务，在各个细分领域的应用日益频繁。比如在医学影像领域，利用人工智能系统辅助阅片。

而随着人工智能从感知走向认知，要解决的业务问题从单个业务场景、单点问题，向业务全流程演进，行业know-how的复杂度和壁垒变得更高，给技术驱动的人工智能服务商带来更大的商业机会。

一方面，深入场景服务需要极强的业务理解做支撑，行业准入门槛大大提高。另一方面，人工智能与行业深度融合后重塑业务流程和产业链，形成巨大的商业机会，比如基于计算机视觉的智能货柜，相比传统机械式无人售货机成本下降50%以上。

在AI时代全面到来前，找到落地场景的开普云，无疑已经占据了竞争优势的制高点。